„KI" war gestern ein Chatbot, der Fragen beantwortet. Heute planen KI-Systeme selbständig, greifen auf Tools zu, führen Schritte aus und melden sich zurück – ohne dass ein Mensch jeden Schritt überwachen muss. Das nennt sich Agentic AI. Und es verändert, was KI im Unternehmensalltag leisten kann.
Was ist Agentic AI?
Klassische KI-Modelle (wie ein einfacher Chatbot) reagieren auf eine Eingabe und liefern eine Ausgabe. Das war's. Agentic AI macht mehr: Sie verfolgt ein Ziel, zerlegt es in Teilaufgaben, führt diese eigenständig aus, überprüft Zwischenergebnisse und passt den Weg bei Bedarf an.
Der Begriff „Agent" kommt aus der KI-Forschung und bezeichnet ein System, das wahrnimmt, entscheidet und handelt – und dabei auf Werkzeuge (Tools) zugreift: Datenbankabfragen, Web-Recherche, E-Mail-Versand, Kalendereinträge, interne Systeme.
Ein einfaches Beispiel: Sie beauftragen einen Agenten, eine Wettbewerbsanalyse zu erstellen. Der Agent sucht selbständig nach relevanten Quellen im Web, extrahiert die wichtigsten Punkte, strukturiert sie nach Kategorien und erstellt ein formatiertes Dokument – ohne dass jemand jeden Schritt steuert.
Wie funktioniert ein KI-Agent? (3 Phasen)
Phase 1: Ziel verstehen & planen
Der Agent erhält einen Auftrag in natürlicher Sprache. Er zerlegt das Ziel in konkrete Teilschritte und erstellt einen internen Aktionsplan. Diese Planungsphase unterscheidet Agenten von einfachen KI-Tools: Statt einer Antwort entsteht eine Aufgabenliste.
Phase 2: Ausführen & iterieren
Der Agent führt die Schritte der Reihe nach aus – und nutzt dabei Tools: Suchmaschinen, Datenbanken, APIs, interne Dokumente, Tabellenkalkulationen. Nach jedem Schritt überprüft er das Zwischenergebnis und entscheidet, ob er fortfährt, korrigiert oder einen anderen Weg einschlägt.
Phase 3: Ergebnis übergeben & warten auf Freigabe
Am Ende liefert der Agent ein fertiges Ergebnis und wartet auf menschliche Bestätigung, bevor weiter gehandelt wird. Diese „Human-in-the-Loop"-Schleife ist entscheidend: Der Agent arbeitet autonom, aber der Mensch behält die Kontrolle über kritische Entscheidungen.
7 Anwendungsbeispiele aus dem Mittelstand
Die folgenden Beispiele zeigen, wo Agentic AI heute schon eingesetzt wird – mit realistischen Zeitangaben.
1. Angebotserstellung
Vorher: Sachbearbeiter sammelt Daten manuell aus Preisliste, Projektbeschreibung und Kundenprofil – 45–60 Minuten pro Angebot.
Mit KI-Agent: Agent liest Kundenanfrage, zieht Preisdaten aus dem ERP, wählt passende Leistungsmodule, erstellt das formatierte Angebot zur Freigabe – 8–12 Minuten.
2. Leistungsverzeichnis-Verarbeitung (LV-Verarbeitung)
Vorher: Eingehende LVs werden manuell gelesen, Positionen abgeglichen, Kalkulationen erstellt – 2–4 Stunden pro LV.
Mit KI-Agent: Agent liest das LV (PDF oder GAEB), gleicht Positionen mit internen Stammdaten ab, schlägt Preise vor und erstellt die Kalkulation zur Überprüfung – 20–35 Minuten.
3. Machbarkeitsstudien & Recherchen
Vorher: Projektleiter recherchiert manuell in Normen, Fachdatenbanken und Referenzprojekten – 1–2 Arbeitstage.
Mit KI-Agent: Agent recherchiert in vordefinierten Quellen, extrahiert relevante Normen und Kennzahlen, erstellt eine strukturierte Zusammenfassung mit Quellenangaben – 2–3 Stunden.
4. Kundenanfragen & Erstkommunikation
Vorher: Eingehende E-Mails werden gesichtet, kategorisiert und manuell beantwortet – 8–15 Minuten pro Anfrage.
Mit KI-Agent: Agent liest und klassifiziert die Anfrage, formuliert eine passgenaue Erstantwort aus der Wissensdatenbank und legt sie zur Freigabe vor – 60–90 Sekunden.
5. Marktanalysen & Wettbewerbsbeobachtung
Vorher: Mitarbeitender recherchiert manuell auf Webseiten, Branchenportalen und Presseseiten – 3–5 Stunden pro Report.
Mit KI-Agent: Agent monitort definierte Quellen, aggregiert Neuigkeiten, bewertet Relevanz und liefert einen strukturierten Wettbewerbsreport – 30–45 Minuten.
6. Meinungsbilder & Kundenfeedback-Auswertung
Vorher: Bewertungen auf Google, Kununu oder Branchenportalen werden manuell gelesen und ausgewertet – 2–4 Stunden für 200+ Bewertungen.
Mit KI-Agent: Agent liest alle Bewertungen, clustert Themen (Qualität, Preis, Service), ermittelt Sentiment und erstellt ein kompaktes Handlungsreport – 15–20 Minuten.
7. UX Research & Nutzerinterviews
Vorher: Interview-Transkripte werden manuell codiert, Muster gesucht, Insights formuliert – 1–2 Tage pro Forschungsrunde.
Mit KI-Agent: Agent transkribiert (falls nötig), identifiziert wiederkehrende Themen, bewertet Schweregrade und erstellt ein priorisiertes Insight-Dokument – 2–4 Stunden.
Mensch bleibt in der Kontrolle – immer
Ein häufiges Missverständnis: Agentic AI ersetzt Entscheidungen. Das stimmt nicht – zumindest nicht in gut implementierten Systemen.
Die professionelle Implementierung baut auf dem „Human-in-the-Loop"-Prinzip:
- Kritische Entscheidungen (Angebotspreis, Kundenkommunikation, externe Veröffentlichung) gehen immer zur menschlichen Freigabe
- Der Mensch kann jeden Schritt des Agenten nachvollziehen (Transparenz)
- Agenten dürfen keine irreversiblen Aktionen ohne Bestätigung ausführen
Das ist auch aus DSGVO-Sicht entscheidend: Automatisierte Entscheidungen, die Personen betreffen (Art. 22 DSGVO), erfordern immer eine menschliche Überprüfungsmöglichkeit. Gut konzipierte Agenten-Systeme sind so gebaut, dass dieser Kontrollpunkt fest verankert ist.
Was sagen die Zahlen?
Laut Cloudflight KI-Studie 2026 haben bereits 38 % der befragten europäischen Unternehmen erste Agentic-KI-Piloten gestartet – aber nur 11 % nutzen sie produktiv im Regelbetrieb. Die größten Hürden: fehlende Prozessdefinition (42 %), Datenschutzbedenken (37 %) und mangelndes internes Know-how (34 %).
Das zeigt: Die Technologie ist bereit. Was Unternehmen brauchen, ist eine strukturierte Einführung mit klaren Verantwortlichkeiten – keine reine Tech-Lösung.
Wann lohnt sich Agentic AI für Ihr Unternehmen?
Agentic AI ist dann sinnvoll, wenn:
- Mitarbeitende wiederkehrende, mehrstufige Recherche- oder Bearbeitungsaufgaben haben
- Aufgaben mehrere Datenquellen kombinieren (ERP + E-Mail + externe Suche)
- Zeit zwischen Anfrage und Ergebnis ein Flaschenhals ist
- Die Qualität der Ergebnisse durch Standardisierung verbessert werden kann
Sie ist (noch) nicht sinnvoll für Aufgaben, die tiefes, nicht-dokumentiertes Expertenwissen erfordern oder bei denen der Kontext so individuell ist, dass kein Agent ihn verlässlich interpretieren kann.
ScaleWise begleitet Unternehmen im Mittelstand beim strukturierten Einstieg in Agentic AI – von der Potenzialanalyse bis zur produktiven Lösung. BAFA-gefördert, DEKRA-zertifiziert.